王亚利，于继明，王 艺

（1.济源职业技术学院，河南济源459000；2.金陵科技学院，江苏南京211169；3.中国石油化工股份有限公司西南油气分公司，四川成都610041）

自润滑镀层具有自润滑和减摩功能，可以改善金属表面的摩擦性能，因此受到广泛关注，具有良好的应用前景。目前研究和应用较多的是电镀Ni基、Ni-W基自润滑镀层及化学镀Ni-P基、Ni-W-P基自润滑镀层，无论哪种自润滑镀层，摩擦因数都是关键指标［1-6］。然而，影响自润滑镀层摩擦因数的因素较多，例如镀液温度、电镀或化学镀时间、搅拌速度、镀液pH值、电流密度、颗粒质量浓度等，且各因素之间可能存在交互作用及复杂非线性关系。

采用传统的数学方法很难表达自润滑镀层耐磨性与其影响因素之间的复杂非线性关系。近年来，神经网络以其独特的性能优势被用来建立不同类型的、可以表达某一指标与其影响因素之间复杂非线性关系的模型［7-10］。但这些模型都或多或少存在着缺陷，例如易陷入局部极小点、收敛速度慢等。笔者以化学镀Ni-P/MoS2自润滑镀层（以下简称自润滑镀层）耐磨性为研究主题，针对传统神经网络模型存在的缺陷，引入遗传算法和模糊运算建立遗传算法-模糊径向基神经网络模型（GA-FRBFNNM），旨在利用遗传算法和模糊运算的特性提升模型性能，使得模型能够更准确预测自润滑镀层耐磨性。

1 自润滑镀层耐磨性的影响因素分析

自润滑镀层耐磨性的影响因素较多，如果将所有影响因素都作为模型输入，必将导致模型极其复杂，出现收敛速度慢等问题。……